一、Mahout簡介

成都創(chuàng)新互聯(lián)堅持“要么做到，要么別承諾”的工作理念，服務領域包括：成都網(wǎng)站建設、做網(wǎng)站、企業(yè)官網(wǎng)、英文網(wǎng)站、手機端網(wǎng)站、網(wǎng)站推廣等服務，滿足客戶于互聯(lián)網(wǎng)時代的郾城網(wǎng)站設計、移動媒體設計的需求，幫助企業(yè)找到有效的互聯(lián)網(wǎng)解決方案。努力成為您成熟可靠的網(wǎng)絡建設合作伙伴！

       Mahout 是一個很強大的數(shù)據(jù)挖掘工具，是一個分布式機器學習算法的集合，包括：被稱為Taste的分布式協(xié)同過濾的實現(xiàn)、分類、聚類等。Mahout最大的優(yōu)點就是基于hadoop實現(xiàn)，把很多以前運行于單機上的算法，轉(zhuǎn)化為了MapReduce模式，這樣大大提升了算法可處理的數(shù)據(jù)量和處理性能。

 

在Mahout實現(xiàn)的機器學習算法：

算法類	算法名	中文名
分類算法	Logistic Regression	邏輯回歸
	Bayesian	貝葉斯
	SVM	支持向量機
	Perceptron	感知器算法
	Neural Network	神經(jīng)網(wǎng)絡
	Random Forests	隨機森林
	Restricted Boltzmann Machines	有限波爾茲曼機
聚類算法	Canopy Clustering	Canopy聚類
	K-means Clustering	K均值算法
	Fuzzy K-means	模糊K均值
	Expectation Maximization	EM聚類（期望最大化聚類）
	Mean Shift Clustering	均值漂移聚類
	Hierarchical Clustering	層次聚類
	Dirichlet Process Clustering	狄里克雷過程聚類
	Latent Dirichlet Allocation	LDA聚類
	Spectral Clustering	譜聚類
關聯(lián)規(guī)則挖掘	Parallel FP Growth Algorithm	并行FP Growth算法
回歸	Locally Weighted Linear Regression	局部加權線性回歸
降維/維約簡	Singular Value Decomposition	奇異值分解
	Principal Components Analysis	主成分分析
	Independent Component Analysis	獨立成分分析
	Gaussian Discriminative Analysis	高斯判別分析
進化算法	并行化了Watchmaker框架
推薦/協(xié)同過濾	Non-distributed recommenders	Taste(UserCF, ItemCF, SlopeOne）
	Distributed Recommenders	ItemCF
向量相似度計算	RowSimilarityJob	計算列間相似度
	VectorDistanceJob	計算向量間距離
非Map-Reduce算法	Hidden Markov Models	隱馬爾科夫模型
集合方法擴展	Collections	擴展了java的Collections類

 

二、Mahout安裝、配置 

一、下載Mahout

http://archive.apache.org/dist/mahout/

 

二、解壓

tar -zxvf mahout-distribution-0.9.tar.gz

 

三、配置環(huán)境變量

3.1、配置Mahout環(huán)境變量

# set mahout environment

export MAHOUT_HOME=/usr/local/mahout-distribution-0.9

export MAHOUT_CONF_DIR=$MAHOUT_HOME/conf

export PATH=$MAHOUT_HOME/conf:$MAHOUT_HOME/bin:$PATHma

 

四、驗證Mahout是否安裝成功

        執(zhí)行命令mahout。若列出一些算法，則成功，如圖：

        

       

五、使用Mahout之入門級使用

5.1、啟動Hadoop

5.2、下載測試數(shù)據(jù)

    a.下載一個文件synthetic_control.data，下載地址http://archive.ics.uci.edu/ml/databases/synthetic_control/synthetic_control.data，并把這個文件放在$MAHOUT_HOME目錄下。

 

  5.3、上傳測試數(shù)據(jù)

c.創(chuàng)建測試目錄testdata，并把數(shù)據(jù)導入到這個tastdata目錄中(這里的目錄的名字只能是testdata)

hadoop fs -mkdir –p /user/root/testdata

 

hadoop fs -put synthetic_control.data  /user/root/testdata

5.4  使用Mahout中的kmeans聚類算法，執(zhí)行命令：

mahout -core org.apache.mahout.clustering.syntheticcontrol.kmeans.Job

花費5分鐘左右完成聚類。 

5.5查看聚類結果

執(zhí)行hadoop fs -ls/user/root/output，查看聚類結果。

 

 

 

網(wǎng)站欄目：Mahout——入門
文章鏈接：http://chinadenli.net/article48/jijcep.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站策劃、搜索引擎優(yōu)化、企業(yè)網(wǎng)站制作、移動網(wǎng)站建設、App設計、ChatGPT

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)